L’IA générative et les grands modèles de langage (LLM), tels que Copilot et ChatGPT, peuvent compléter le code à partir de fragments initiaux écrits par un développeur. Ils sont intégrés dans des environnements de développement de logiciels tels que VS code. De nombreux articles analysent les avantages et les limites de ces approches pour la génération de code. Malgré quelques lacunes, le code produit est souvent correct et les résultats s’améliorent. Cependant, une quantité étonnamment faible de travaux a été réalisée dans le contexte de la modélisation des logiciels. L’article de Cámara et al. conclut que si les performances des LLM actuels pour la modélisation de logiciels sont encore limitées (contrairement à la génération de code), il est nécessaire (contrairement à la génération de code) d’adapter nos pratiques d’ingénierie basées sur les modèles à ces nouveaux assistants et de les intégrer dans les méthodes et outils MBSE. L’objectif de ce post-doc est d’explorer l’IA générative dans le contexte de la modélisation des systèmes et des outils associés. Par exemple, l’assistance de l’IA peut soutenir l’achèvement, la refactorisation et l’analyse (par exemple les modèles de conception identifiés ou les anti-modèles) au niveau du modèle. Les propositions sont discutées au sein de l’équipe et, dans un deuxième temps, le mécanisme est prototypé et évalué dans le contexte du modeleur UML open-source Papyrus.
Talent impulse, le site d’emploi scientifique et technique de la Direction de la Recherche Technologique du CEA
© Copyright 2023 – CEA – TALENT IMPULSE – Tous droits réservés